注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. SVR(Python)的使用示例

  2. Python 语言调用SVR算法实现回归分析，代码示例，线性回归是利用数理统计中的回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法，运用十分广泛。 在统计学中，线性回归(Linear Regression)是利用称为线性回归方程的最小平方函数对一个或多个自变量和因变量之间关系进行建模的一种回归分析。这种函数是一个或多个称为回归系数的模型参数的线性组合。只有一个自变量的情况称为简单回归,大于一个自变量情况的叫做多元回归。

  3. 所属分类：Python

    • 发布日期：2018-10-25
    • 文件大小：1024
    • 提供者：weixin_43286241

  1. 数学建模_使用python统计处理文件夹下的所有Excel文件

  2. 数学建模_使用python统计处理文件夹下的所有Excel文件，并将Excel表里的所有的数据归一化，并将数据进行预处理。

  3. 所属分类：Python

    • 发布日期：2019-09-26
    • 文件大小：9216
    • 提供者：qq_36444039

  1. 大数据实训.zip数据收集：网络爬虫、公开数据集、客户数据 数据处理：数据清洗、数据规整

  2. 1.2功能需求 明确任务：明确目的、确定思路 数据收集：网络爬虫、公开数据集、客户数据 数据处理：数据清洗、数据规整 数据分析：数据统计、探索性数据分析(EDA)、数据建模 结果展示：数据可视化、报表生成、结果保存 数据收集：获取歌单索引页、获取歌单详情页 数据处理：数据清洗、数据规整 数据分析统计：歌曲出现次数TOP10，歌单贡献UP主TOP10，歌曲播放量TOP10，歌单收藏量TOP10，歌单评论数TOP10 歌单收藏数量分布情况，单播放数量分布情况，歌单标签图，

  3. 所属分类：讲义

    • 发布日期：2020-01-16
    • 文件大小：40894464
    • 提供者：MossL

  1. 总结：Bootstrap(自助法)，Bagging，Boosting(提升) - 简书.pdf

  2. 关于机器学习方面的集成算法，包括boosting和bagging，里面讲解详细，值得下载2019/4/27 总结: Bootstrap(白助法), Bagging, Boosting(提升)-简书 assiier 1 -9 Decition boundary Classifier 2 Decislon boundary 2 Classifier 3 o Decision boundary 3 ▲△▲ △6▲ Feature 1 Feature 1 Featur (∑ g Feature Ense

  3. 所属分类：机器学习

    • 发布日期：2019-10-13
    • 文件大小：2097152
    • 提供者：qq_15141977

  1. Python进行统计建模

  2. 主要介绍了Python进行统计建模的方法，帮助大家更好的理解和学习Python，感兴趣的朋友可以了解下

  3. 所属分类：其它

    • 发布日期：2020-09-16
    • 文件大小：447488
    • 提供者：weixin_38519763

  1. Python进行统计建模

  2. 前言 大家好，在之前的文章中我们已经讲解了很多Python数据处理的方法比如读取数据、缺失值处理、数据降维等，也介绍了一些数据可视化的方法如Matplotlib、pyecharts等，那么在掌握了这些基础技能之后，要进行更深入的分析就需要掌握一些常用的建模方法，本文将讲解如何利用Python进行统计分析。和之前的文章类似，本文只讲如何用代码实现，不做理论推导与过多的结果解释(事实上常用的模型可以很轻松的查到完美的推导与解析)。因此读者需要掌握一些基本的统计模型比如回归模型、时间序列等。 Stat

  3. 所属分类：其它

    • 发布日期：2020-12-17
    • 文件大小：454656
    • 提供者：weixin_38621312

  1. Python数据挖掘之数据预处理

  2. 目录Python主要数据预处理函数1、interpolate2、unique3、isnull / notnull4、andom5、PCA Python主要数据预处理函数 在数据挖掘中，海量的原始数据中存在着大量不完整(有缺失值)、不一致、有异常的数据，严重影响到数据挖掘建模的执行效率，甚至可能导致挖掘结果的偏差，所以进行数据清洗就显得尤为重要，数据清洗完成后接着进行或者同时进行数据集成、转换、规约等一系列的处理，该过程就是数据预处理。数据预处理一方面是要提高数据的质量，另一方面是要让数据更好地

  3. 所属分类：其它

    • 发布日期：2020-12-22
    • 文件大小：118784
    • 提供者：weixin_38748210

  1. 【Python数据分析】文本情感分析——电影评论分析（一）

  2. 情感分析是文本分析的一种，它能够从一段文本描述中理解文本的感情色彩，是褒义、贬义还是中性。常见的情感分析的使用场景就是客户对商品或服务的评价、反馈，传统模式下的人工审核，不仅消耗大量人力，而且效率（速度和准确度）也不高。   这里使用Python对电影《哪吒之魔童降世》的评论进行文本分析，这种分析方式还可用于垃圾邮件的过滤、新闻的分类等场景。   分析步骤：   1、对文本数据进行预处理，包括文本缺失值重复值处理、分词、去除停用词、文本向量化。   2、描述性统计分析，统计词频、生成词云图。  

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：812032
    • 提供者：weixin_38632046

  1. House-Price-Predictor:实施了多元线性回归模型来预测房价-源码

  2. 房屋价格预测器 目的和技术：以下程序使用Python ， Matplotlib ， Numpy ， Sympy ， Pandas和sci-kit预测波士顿市的房价。 程序： 提出问题 收集数据 清理数据 探索可能性和相关性 图形化地建模数据 评估功能内的价格 算法：我实现了一个多元线性回归模型来预测房价。这种方法也称为多元回归，是一种统计技术，它使用几个参数变量来预测响应变量的结果。在这种情况下，我从数据集中提取了几个变量，包括房价，犯罪率，年龄，距水的近距离，税收等，以使我的模型更准确。我挑选

  3. 所属分类：其它

    • 发布日期：2021-03-22
    • 文件大小：3145728
    • 提供者：weixin_42138788

  1. digit-recognizer:Digit Recognizer-使用ML算法从数万个手写图像的数据集中正确识别数字-源码

  2. 数字识别器 MNIST（“国家标准技术研究院”）是计算机视觉的事实上的“ hello world”数据集。自从1999年发布以来，这个经典的手写图像数据集已成为基准分类算法的基础。目标是从成千上万个手写图像的数据集中正确识别数字。在此笔记本中，我们将探索流行的Digit Recognizer数据集，并建立一个SVM模型来对手写数字进行分类。 数据 了以下问题的数据由于数据集很大，因此尚未将其添加到存储库中，因此，如果要执行笔记本，请从上述Kaggle链接下载数据集并将其放在data /目录中。

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：44032
    • 提供者：weixin_42143161

  1. web_resources:计算生物学数据库的目录。 我在浏览器中添加了书签的链接-源码

  2. 计算生物学和数据科学/可视化资源 计算/生物学/数据/杂项目录。 我在浏览器中添加了书签的链接。 绘图 ggtree定制 ggtree导入树 ggtree可复制示例 不同色阶的同心热图 ggridges 带平滑热图 Cedric Sc​​herer的A ggplot2教程，用于在R 进行漂亮的绘图 ggplot缩放 heat_tree函数[link]（ ） 迭代 purrr教程 地图功能 可再生科学 R课程可复制研究数据和项目管理 编程/生物信息学 BBMap功能 AWK用户指南 使用Awk

  3. 所属分类：其它

    • 发布日期：2021-03-14
    • 文件大小：3072
    • 提供者：weixin_42120997

  1. Training-Systems-Using-Python-Statistical-Modeling:Packt发布的使用Python统计建模的培训系统-源码

  2. 使用Python统计建模的培训系统 这是Packt发布的《 的代码库。 探索使用Python建模数据的流行技术 这本书是关于什么的？ Python的易用性和多功能性使它成为当今许多数据科学家和机器学习开发人员的工具选择。 它丰富的库广泛用于数据分析，更重要的是，它用于构建最新的预测模型。 本书将带领您经历一段激动人心的旅程，即使用这些库为预测分析实现有效的统计模型。 您将首先学习经典的统计分析，在这里您将学习使用熊猫计算描述性统计信息。 您将研究监督学习，在其中您将探索机器学习的原理并从

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：12582912
    • 提供者：weixin_42118161

  1. pyAnalytics：此存储库，用于使用Python编程进行教学分析-源码

  2. pyAnalytics 此库用于使用Python编程文件夹结构进行教学分析（数字按教学顺序排列），详细信息请参见PDF主题杂项提示日常设置库数据结构函数数据导入导出统计数据Numpy Pandas SQL绘图普通Matplotlib Seaborn绘图Nine线性建模Logistic回归决策树聚类文本挖掘域营销财务案例研究图片车间数据

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：11534336
    • 提供者：weixin_42137539

  1. pymc3-源码

  2. PyMC3是用于贝叶斯统计建模和概率机器学习的Python软件包，专注于先进的马尔可夫链蒙特卡洛（MCMC）和变异推理（VI）算法。 它的灵活性和可扩展性使其适用于大量问题。 查看，或使用Binder ！ 有关PyMC3的问题，请访问我们的论坛。 PyMC3和Theano的未来 自Theano停止由原始作者开发以来，关于PyMC3的未来一直存在许多疑问和不确定性，我们开始使用PyMC4进行实验。 我们很高兴地宣布，Theano上的PyMC3（我们正在）以及新的JAX后端是未来。 PyMC4将

  3. 所属分类：其它

    • 发布日期：2021-02-18
    • 文件大小：34603008
    • 提供者：weixin_42159267

  1. GlasgowHeart：用于人类心脏个性化建模的GlasgowHeart平台-源码

  2. 格拉斯哥心脏 GlasgowHeart平台，用于对人的心脏进行个性化建模。 它分为4个模块，每个模块可以分别运行。 当前，matlab是主要的编程语言，并且使用脚本来运行，这将需要一定的Matlab知识。 将来，我们将开发易于使用的GUI程序包。 四个模块是： 图像处理， 生物力学建模， 个性化以及左心室（LV）力学的参数推断 统计仿真如图所示。 模块1、2和3是在MATLAB中开发的，模块4是使用Tensor Flow，Scikit学习，XGBoost在Python中编程的，以使用高

  3. 所属分类：其它

    • 发布日期：2021-02-10
    • 文件大小：414187520
    • 提供者：weixin_42097557

  1. morphablegraphs：用于使用统计模型进行运动建模和合成的库-源码

  2. 形变图 使用功能主成分分析和高斯混合模型的统计运动建模和综合的Python实现。 该代码部分基于Min，Jianyuan和Chaixiang Chai的论文： “运动图++是用于语义运动分析和合成的紧凑型生成模型。” ACM Transactions on Graphics 31.6（2012）：1-12。 该代码使用存储库中定义的数据结构。 存储库提供了用于运动建模和运动合成的命令行界面。 为了与游戏引擎集成， 存储库包含一个有状态运动合成服务器。 可选的MGRD子模块是核心库的专有更快的实

  3. 所属分类：其它

    • 发布日期：2021-02-09
    • 文件大小：335872
    • 提供者：weixin_42127754

  1. data-science-toolkit：Python和R中的统计信息，建模和数据科学工具的集合-源码

  2. 介绍 欢迎！ 该存储库的目的是用作统计方法，建模技术和数据科学工具的存储库。 内容本身包括从特定主题的教育短片到为增强和优化分析而构建的量身定制的功能和建模管道，从各种数据科学会议到通用数据科学实用程序的注释和代码，应有尽有。 这项工作仍将继续进行，我欢迎所有贡献和建设性批评。 如果您有任何建议或要求，请，我们将尽力Swift答复！ 注意：GitHub通常在呈现较大的.ipynb文件时遇到麻烦。 如果您发现无法查看下面链接的jupyter笔记本之一，建议将结果复制并粘贴到，这将带您到这样的可见

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：238026752
    • 提供者：weixin_42172572

  1. menrva：Python机器学习平台-源码

  2. 月经 用于监督机器学习的Python平台 三层平台 纠缠：合并，重塑，提取特征**当前不可用 建模：预处理，培训和评估）**正在开发中 服务：分层服务和管理模型**服务可用 1-数据整理 易于合并，重塑和自动特征工程。 2-建模 支持回归和分类。 执行一键编码，标签编码和空值插补。 然后逐步将模型从简单训练到复杂，并并行执行超参数调整和模型选择。 最后报告模型质量统计信息，诊断报告（ROC曲线，列联矩阵等）并序列化最佳模型。 3-模型管理 将新模型持久化到磁盘，然后使用Redis从内存中提供模型

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：45056
    • 提供者：weixin_42121086

  1. 使用Python进行机器学习：用于理解核心概念的小型机器学习项目。 给星星:glowing_star:如果有帮助的话。 奖金：面试银行来了..！-源码

  2. Python机器学习 小型机器学习项目，以了解核心概念（顺序：从最早到最新） 使用带有新闻组20数据集的潜在Dirichlet分配进行主题建模，并使用Python和Scikit-Learn实现 在MNIST数据集上实现了用Keras构建的简单神经网络 使用线性回归的Google股票价格预测 实现了一个简单的社交网络来学习Python基础 实施Naives Bayes分类器以过滤SpamAssasin公共语料库上的垃圾邮件 使用Keras和Scikit-Learn的银行数据集的客户流失预测模型

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：751616
    • 提供者：weixin_42109545

  1. Rock-Paper-Scissors-AI:Python石头纸剪刀游戏，可从您的演奏方式中学习-源码

  2. 剪刀石头布模型 约纳·阿维夫（Yonah Aviv） 这是一项正在进行的工作，但是您可以在随机出现的计算机上播放剪刀。 以查看我的模型如何工作（未完成）。它将使用机器学习。 背景与方法 我从 （我认为）撰写了剪刀纸的统计分析中，进行了很好的演练，并将其用作我的代码的参考。 以下是文章的摘录： 混合物 成为获胜部落的可能性取决于起始玩家的专注度（相对比率）。起始条件影响生存的机会。显然，如果在游戏开始时Rock，Paper和Scissors的比率相同，则成为最后一个部落的概率是相同的（这从对称性以

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：7168
    • 提供者：weixin_42179184
« 12 »